Pandas中MultiIndex层级>0时df.reindex()失效问题求助

首先明确：你用df.reindex(columns=["bb","aa","cc"], level=1)没生效，是因为Pandas的reindex在指定层级时，会保留原层级的配对关系——比如你的示例里a和aa绑定、b和bb绑定，单独指定第二层的顺序无法打破这种固定配对，所以不会改变列的顺序。

下面给你几种更直接的解决方案：

方法1：直接对齐A的列索引（最推荐） #

既然目标是让B和A的列顺序完全一致，直接把A的列索引传给B的reindex就行，不管层级结构，一步到位：

import pandas as pd

# 构造示例DataFrame A
A = pd.DataFrame([[1,2,3],[4,5,6]])
A.columns = pd.MultiIndex.from_arrays([["a","b","c"], ["aa","bb","cc"]])

# 构造列顺序打乱的B
B = A.copy()
B = B.reindex(columns=["c","a","b"], level=0)
print("调整前的B：")
print(B)

# 核心操作：用A的列索引重排B
B = B.reindex(columns=A.columns)
print("\n调整后的B：")
print(B)

输出：

调整前的B：
    c   a   b
    cc  aa  bb
0   3   1   2
1   6   4   5

调整后的B：
    a   b   c
    aa  bb  cc
0   1   2   3
1   4   5   6

方法2：按第二层层级单独自定义排序 #

如果只是想按第二层索引的指定顺序重排，而非严格匹配A的列，可以先提取对应列的元组列表，再用这个列表重排：

# 自定义第二层的目标顺序
target_level1_order = ["bb", "aa", "cc"]
# 生成对应列的元组列表（确保每个level1值匹配对应的完整列索引）
new_columns = [col for level1 in target_level1_order for col in A.columns if col[1] == level1]
# 重排B的列
B = B.reindex(columns=new_columns)
print(B)

输出：

b   a   c
    bb  aa  cc
0   2   1   3
1   5   4   6

方法3：临时交换层级（不推荐） #

你提到的交换层级方法可以用，但确实绕弯子，代码示例供参考：

# 交换层级顺序，按第二层排序后再换回来
B = B.reorder_levels([1, 0], axis=1)
B = B.sort_index(axis=1, level=0)
B = B.reorder_levels([0, 1], axis=1)
print(B)

补充说明原方法失效原因 #

你的示例中每个第一层标签（a/b/c）对应唯一的第二层标签（aa/bb/cc），这种情况下reindex(level=1)无法找到需要调整的配对关系，所以不会改变列顺序。只有当同一第一层标签下有多个第二层标签时，这个参数才会生效（比如a对应aa和aa1，此时指定level=1的顺序才会调整同一a下的子列顺序）。

内容的提问来源于stack exchange，提问作者Nicoleue